深度學(xué)習(xí)邊界難測(cè)， iSee 通過(guò)人腦認(rèn)知應(yīng)用讓機(jī)器更聰明 | GAIR硅谷智能駕駛峰會(huì)

* iSee CEO 趙一彪博士

深度學(xué)習(xí)為人工智能發(fā)展提供了強(qiáng)大助力，通過(guò)海量數(shù)據(jù)的灌輸，機(jī)器可以進(jìn)行多種模型下的完善強(qiáng)化，逐步具備人類的感知與判斷能力。這是多數(shù)自動(dòng)駕駛公司正在采用的方式，以大數(shù)據(jù)的持續(xù)喂養(yǎng)，不斷訓(xùn)練系統(tǒng)的感知與決策，最終實(shí)現(xiàn)安全可靠的“機(jī)器”駕駛。

這也意味著，自動(dòng)駕駛公司必須具備龐大的數(shù)據(jù)儲(chǔ)備或連接。谷歌的自動(dòng)駕駛汽車已經(jīng)在現(xiàn)實(shí)道路上行駛了 400 多萬(wàn)英里，這些車輛的駕駛行為數(shù)據(jù)將與虛擬引擎產(chǎn)生的數(shù)據(jù)持續(xù)喂食其機(jī)器模型，幫助系統(tǒng)解決多種場(chǎng)景下的道路行駛設(shè)定，最終完成 L4、L5 的自動(dòng)駕駛目標(biāo)。

但依賴神經(jīng)網(wǎng)絡(luò)需要面對(duì)的一件事情是，如何解決深度學(xué)習(xí)的邊界問(wèn)題。對(duì)人工智能公司來(lái)說(shuō)，即使數(shù)據(jù)量再龐大，也無(wú)法覆蓋所有的現(xiàn)實(shí)場(chǎng)景。自動(dòng)駕駛公司要如何解決這些不計(jì)其數(shù)的 corner case，保證車輛能夠應(yīng)對(duì)路程中的各種情境，實(shí)現(xiàn)安全駕駛，成了行業(yè)面臨的共同命題。

畢業(yè)于 UCLA 的趙一彪選擇的是一種完全不同的思路。他參與聯(lián)合創(chuàng)辦并擔(dān)任 CEO 的自動(dòng)駕駛公司 iSee，希望通過(guò)研究人類認(rèn)知的原理與邏輯，讓機(jī)器模仿人的認(rèn)知，從而具備理解和預(yù)測(cè)現(xiàn)實(shí)情境的能力，實(shí)現(xiàn)真正的安全駕駛。這家公司是 MIT 發(fā)起的風(fēng)險(xiǎn)投資機(jī)構(gòu) The Engine 公布的 7 家投資公司中唯一一家自動(dòng)駕駛公司，這個(gè)正在實(shí)驗(yàn)室中埋頭研發(fā)的小團(tuán)隊(duì)也被很多人認(rèn)為將改變自動(dòng)駕駛未來(lái)的技術(shù)發(fā)展格局。

趙一彪在 UCLA 師從著名計(jì)算機(jī)視覺(jué)專家朱松純教授，之后又在 MIT Computational Cognitive Science Lab 進(jìn)行人腦認(rèn)知與機(jī)器認(rèn)知方面的研究，并得到人工智能頂級(jí)學(xué)者、MIT 教授 Josh Tenenbaum 的指導(dǎo)，后者現(xiàn)在也是 iSee 的顧問(wèn)。

“人腦對(duì)現(xiàn)實(shí)世界的線索非常敏銳，但眼下，AI 在這方面的能力還非常有限。”趙一彪表示。

“深度學(xué)習(xí)很厲害，你可以學(xué)習(xí)很多之前的經(jīng)驗(yàn)，但你不可能獲得囊括整個(gè)世界的數(shù)據(jù)群。現(xiàn)在的 AI 主要是數(shù)據(jù)驅(qū)動(dòng)，很難理解常識(shí)，這是它缺失的關(guān)鍵因素。”在趙一彪看來(lái)，人工智能還遠(yuǎn)不能達(dá)到真正的智能，而幫助機(jī)器建立常識(shí)或許可以彌補(bǔ)這一缺陷。

比如，給出大量狗的照片以后，一個(gè)深度學(xué)習(xí)系統(tǒng)可以識(shí)別一只狗，但它并不理解狗有四個(gè)爪子，有毛發(fā)，有一個(gè)濕濕的鼻子，如果沒(méi)有進(jìn)一步的訓(xùn)練，它也不能識(shí)別其它動(dòng)物以及畫出來(lái)的狗。

人類駕駛員具備對(duì)現(xiàn)實(shí)世界的基本認(rèn)知，可以依靠常識(shí)理解世界，建立自己的生活經(jīng)驗(yàn)，并憑借這種經(jīng)驗(yàn)在各種陌生情境中做出敏銳反應(yīng)。他們知道車輛一般停下車需要多長(zhǎng)時(shí)間，什么情況下會(huì)突然出現(xiàn)行人，但讓自動(dòng)駕駛汽車去考慮每一種可能出現(xiàn)的情況則幾乎不可能。

趙一彪與團(tuán)隊(duì)在做的就是研究人類的認(rèn)知方式，而后運(yùn)用這種認(rèn)知科學(xué)賦予機(jī)器某種常識(shí)，幫助其建立快速應(yīng)對(duì)陌生情境的能力，讓機(jī)器像人一樣學(xué)習(xí)、理解外部世界，進(jìn)而與外界交互。

據(jù)雷鋒網(wǎng)了解，Tenenbaum 教授一直專注于探索人腦的工作，其中包括研究?jī)和闹庇^認(rèn)知。他解釋稱，兒童理解現(xiàn)實(shí)世界的能力可以幫助他們預(yù)測(cè)很多不熟悉的情境。即使是一個(gè)幼童也比當(dāng)前最聰明的 AI 系統(tǒng)聰明，理解現(xiàn)實(shí)世界對(duì)推測(cè)人的心理狀態(tài)和下一步行為有很大幫助，比如通過(guò)觀察他的行動(dòng)，可以推測(cè)出他是要夠一個(gè)杯子或是其它。

Tenenbaum 希望將這些應(yīng)用到 AI 系統(tǒng)中，2015 年，他和紐約大學(xué)、卡耐基梅隆大學(xué)的學(xué)者以這種思路開(kāi)發(fā)了一個(gè)非常重要的程序，它能夠從預(yù)先提供的幾個(gè)案例中學(xué)習(xí)認(rèn)知筆跡。

Tenenbaum 的實(shí)驗(yàn)室既有傳統(tǒng)的機(jī)器學(xué)習(xí)，又有新奇的概率規(guī)劃方法，這樣機(jī)器就可以在學(xué)習(xí)現(xiàn)實(shí)世界規(guī)律的同時(shí)，推測(cè)更多其它不確定性意圖。

摒棄簡(jiǎn)單的規(guī)則和機(jī)器學(xué)習(xí)算法，讓機(jī)器像人腦一樣進(jìn)行常識(shí)認(rèn)知，這在自動(dòng)駕駛行業(yè)仍屬于前沿研究，如果其可行性得到證明，也意味著，自動(dòng)駕駛公司在進(jìn)行技術(shù)升級(jí)時(shí)，可以從對(duì)數(shù)據(jù)量的依賴中得到松綁，因?yàn)橹灰倭繑?shù)據(jù)即可幫其完成這種常識(shí)認(rèn)知。這對(duì)整個(gè)人工智能行業(yè)都將產(chǎn)生很大影響。

但是，腦認(rèn)知科學(xué)具體如何作用于機(jī)器，其眼下進(jìn)展如何，還存在哪些問(wèn)題，它是否真正可行......這些問(wèn)題我們都很難從一兩篇新聞報(bào)道中弄清，1 月 16 日，雷鋒網(wǎng) · 新智駕將在美國(guó)硅谷舉辦 GAIR 硅谷智能駕駛峰會(huì)，屆時(shí)，將有國(guó)內(nèi)外多位自動(dòng)駕駛行業(yè)專家到場(chǎng)，帶來(lái)豐富的行業(yè)干貨分享，這之中就包括正在機(jī)器認(rèn)知這一前沿技術(shù)領(lǐng)域?qū)で笸黄频内w一彪博士，關(guān)于以上眾多問(wèn)題，他也會(huì)做出耐心細(xì)致的解答。

而同時(shí)到場(chǎng)的 2005 年 DAPRA 挑戰(zhàn)賽冠軍斯坦福車隊(duì)成員 Adrian Kaehler、加州大學(xué)伯克利分校 InterACT 實(shí)驗(yàn)室主任 Anca Dragan、百度 Apollo 平臺(tái)研發(fā)負(fù)責(zé)人王京傲、地平線創(chuàng)始人兼 CEO 余凱、AutoX 創(chuàng)始人兼 CEO 肖建雄、通用汽車激光雷達(dá)系統(tǒng) BFO 張文德等業(yè)界、學(xué)界大咖也將組成本年度不可錯(cuò)過(guò)的最強(qiáng)陣容，點(diǎn)擊 https://gair.leiphone.com/gair/gairsv2018，便可獲取本次峰會(huì)詳細(xì)信息，加入這場(chǎng)中美自動(dòng)駕駛的豪華盛會(huì)。

（本文內(nèi)容部分編譯自 MIT Technology Review 對(duì) iSee 的報(bào)道）

雷鋒網(wǎng)推薦閱讀：

《更名后的安波福在 CES 完成自動(dòng)駕駛首秀，我們?nèi)ンw驗(yàn)了一把 | CES 2018》

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。